dgamorimm/raizen

POC da Raizen

Engenharia de Dados

UP 🚀

• docker-compose -f pipeline.yaml up

Folders 📕

• | dags : pasta pareada com o container
  • | operators : operadores custom do airflow
  • | scripts : python functions
    • | static : arquivo estático json
• | data : pasta pareada com o container
• | images : imagens para o md
• | logs : pasta pareada com o container
• | notebooks : análise exploratória de dados da última camada após execução do pipe
• | .env : variáveis de ambiente
• | .gitignore : arquivos fora do versionamento
• | pipeline.yaml : arquivo de marcação para subida dos containers
• | requirements.txt : arquivo para instalar as libs para desenvolvimento

Arquitetura 📐

Pipeline 🔩

• create_bucket: criação dos buckets para o lake
• landing_zone_diesel: captura os dados das vendas pelas distribuidoras de óleo diesel no portal da ANP
• landing_zone_oil_dev_fuels: captura os dados das vendas pelas distribuidoras dos derivados de combustivel de petróleo no portal da ANP
• bronze_etl_diesel: transformações dos dados de acordo com a solicitação do teste para o dataframe de óleo diesel e armazena na camada bronze
• bronze_etl_oil_dev_fuels: transformações dos dados de acordo com a solicitação do teste para o dataframe de derivados de combustiveis de petróleo e armazena na camada bronze
• silver_etl_diesel: criação das partições e as indexações de acordo com a solicitação do teste para o dataframe de óleo diesel e armazena na camada silver
• silver_etl_oil_dev_fuels: criação das partições e as indexações de acordo com a solicitação do teste para o dataframe de derivados de combustiveis de petróleo e armazena na camada silver

Buckets 📦

• landing-zone: criação dos buckets para o lake
  • oil-derivatives-fuels.csv
  • diesel.csv
• bronze:
  • oil-derivatives-fuels.csv
  • diesel.csv
• silver:
  • year
    • month
      • part-0001.csv

Notebooks 💻